数据分析学习路径

在与SPSSAU用户沟通过程中发现，非常的用户均是“新手”，没有数据分析的思维和概念。很多用户完全没有进行过数据分析，也不知道如何学习，部分用户有学习过统计学相关课程，但依旧不会进行数据分析。

结合SPSSAU的设计理念，建议用户学习数据分析的路径如下共三步曲。

• 第一步：数据类型的识别

  数据类型是一切研究的基石，也是数据研究思维的最基本且最关键的思维。不同学科，不同课程，不同领域时，对于数据类型的定义基本一样，但称呼并不完全一样。首先介绍下SPSSAU里面的数据类型，共两类，分别是定类和定量数据。

  	特征1	特征2	举例
  定类	数字代表类别	可以计算百分数	性别、是否吸烟
  定量	数字大小有对比意义	可以计算平均值	身高、体重

  定类数据即是分类的意思，可以计算百分比；定量数据是指数字可以对比大小，因而可以进行平均值计算。如果有的数据同时可以计算百分比，也可以计算平均值，此时就结合实际研究情况，将其似着定类或者定量数据即可。比如学历，通常情况下时看作定类数据，但数字越大也可以说成是学历越高，所以有的研究方法时把学历看作是定量数据。具体研究时均是结合实际处理，这也是数据分析的有趣之处。

  SPSSAU将数据分为两类，但在其它领域，或者学科时，数据类型的划分并不完全相同，而且称呼均不统一。这也给研究人员带来一定困惑，下表列出不同称呼时与SPSSAU数据类型的对应关系。

  	别称
  定类	定性数据，离散数据，名义数据，分类数据等。
  定量	定距数据，定比数据，定序数据，连续数据，有序数据等。

  称呼各不相同，但实际意义均一致，只需要理解一句话即“算百分比时叫定类数据，算平均值时叫定量数据”。

• 第二步：研究方法的选择

  数据类型确认后，此时即可理解数据分析方法的选择。SPSSAU的设计理念时，区分数据类型的同时，还区分X和Y。比如性别和是否吸烟的关系，X是性别，Y为是否吸烟。X和Y均为定类数据。此时则应该选择“交叉卡方”分析。

  SPSSAU当前共提供近60类研究方法，具体需要研究者结合数据类型，研究目的进行选择。

  • 第一步即选对研究方法，即数据类型的识别。具体可参考“分析方法选择”文档。

  • 第二步即结合研究目的，常见的研究目的包括：数据基本描述、影响关系研究、差异关系研究及其它关系。下表格列出研究目的与研究方法的对应关系。

  数据基本描述
  1	频数分析	定类数据
  2	描述分析	定量数据
  3	单样本t 检验	定量数据
  4	正态性检验	定量数据
  5	直方图	定量/定类数据
  6	箱线图	定量数据
  7	词云	定量数据

  上表中列出数据基本描述使用到的研究方法：最常见的为频数和描述分析，分别针对定类数据计算百分比，定量数据计算平均值。除此之外，正态性检验或者直方图可以查看定量数据的正态性特质，箱线图可以查看定量数据的分布、异常离群值情况；词云可以查看定类数据的分布特征情况。

  影响关系
  1	相关分析	X和Y的相关情况
  2	回归分析	X对Y的影响【Y定量】
  3	散点图	X和Y关系图形展示
  4	二元Logistic回归	X对Y的影响【Y定类】
  5	多分类logistic回归	X对Y的影响【Y定类】
  6	逐步回归	X对Y的影响【Y定量】
  7	分层回归	X对Y的影响【Y定量】

  上表中列出常见的关系研究涉及方法；相关分析是比较基础的关系研究，以及可以使用散点图直观展示数据关系情况。回归分析研究X对于Y的影响关系，并且Y为定量；同时还有两个方法即逐步回归，分层回归；其实质上均是回归；逐步回归是指让软件自己找出对于Y有影响的X；分层回归是指一次性运行多个回归。

  Logistic回归分析时Y均为定类数据，并且可拆分为二元logistic回归，多分类logistic回归。区别在于二元Logistic回归时，Y仅包括0和1两个数字；多分类logistic回归时，Y包括的数字超出2个。

  差异关系
  1	交叉卡方	X和Y的差异关系【X定类，Y定类】
  2	分类汇总	不同类别下数据汇总
  3	方差	X和Y的差异关系【X定类，Y定量】
  4	t 检验	X和Y的差异关系【X定类，Y定量】
  5	配对t 检验	配对数据差异研究
  6	非参数检验	X和Y的差异关系【X定类，Y定量】
  7	双因素方差	2个X和Y的差异关系【X定类，Y定量】
  8	事后多重比较	方差分析后进一步研究

  上表中列出常见的差异关系研究方法。结合数据类型即可选择出对应的研究方法。方差和t 检验的区别在于，如果X的个数仅为2个则可以使用t 检验，如果X的个数超出2个只能使用方差分析。

  方差分析更深入的研究时，会涉及方差齐性检验，正态性检验等；如果不满足条件则使用非参数检验较好。而且再进一步的深入分析时，可以在方差分析后，进行事后多重比较进一步研究。

  双因素方差通常用于实验研究，2个X对于Y的影响情况。如果研究中有多个X，此时称作多因素方差（也称多元方差）；后续SPSSAU会进行提供等。

  其它高级研究方法
  1	聚类	样本分为多少类【定量】
  2	因子	数据信息浓缩，以及计算权重，竞争力等【定量】
  3	主成分	类似因子分析，数据信息浓缩，以及计算权重，竞争力等【定量】
  4	熵值法	权重计算【定量】

  聚类分析是将样本分类，因子分析与主成分分析的功能类似，可用于数据信息浓缩，也可以计算权重，同时还可以利用“综合得分”计算竞争力等。同时还有熵值法，可用于权重计算。

  问卷涉及研究方法
  1	信度	数据是否可信【量表】
  2	效度	研究是否有效【量表】
  3	项目分析	量表的区分性情况，试卷区分性情况【量表或者试卷得分】
  4	多选题	多选题数据分布情况【问卷多选题】
  5	单选-多选	单选题和多选题关系研究【问卷多选题】
  6	多选-单选	多选题和单选题关系研究【问卷多选题】
  7	多选-多选	多选题和多选题关系研究【问卷多选题】
  8	多重响应(多选/单选-多选/多选-单选/多选-多选)	等同于多选题，单选-多选的合集【问卷多选题】

  如果研究数据为问卷，则可能涉及到信度和效度研究，记住此两种方法仅针对量表数据。同时对于量表数据可使用项目分析，了解量表的区分性情况，删除掉不合理量表项等。同时如果研究中涉及多选题，则有对应五个研究方法可以使用，包括单独的多选题分析，单选与多选的交叉关系研究，多选与单选的交叉关系研究，多选和多选的交叉关系研究等。多选题的分析有时也称作多重响应(多选/单选-多选/多选-单选/多选-多选)。

• 第三步：研究注意事项

  综上所述，如果可以区分数据类型，并且了解研究目的，则可以选择出科学的研究方法进行研究。具体每个研究方法具体的内容，直接使用SPSSAU的智能分析即可，当然也建议参阅每个方法对应的帮助手册，里面会有更详细的说明和例子，注意事项等。

  除开上述的研究方法选择之外，SPSSAU同时还提供以下几点建议，希望可以帮助到用户快速掌握数据分析。

  • 数据正态性特质：很多研究方法都是基于正态性这一前提，如果不满足时则可能使用其它方法。建议可使用直方图探索数据的正态性情况，使用箱线图探索定量数据的分布情况

  • 数据编码、生成变量等数据处理功能的使用。很多研究方法使用之前，是需要进行数据处理。比如问卷研究中1个维度对应5个量表题，此时可以使用生成变量的平均值功能先得到一个概括性的变量。也或者有的研究方法需要进行数据标准化处理等。

• 第四步：研究资料的配合使用

  最后，将研究方法配套的相关资料汇总列出如下：

  研究思路： https://www.spssau.com/helps/basics/framemodule.html

  常见问题： https://www.spssau.com/helps/otherdocuments/faq.html

  基本概念： https://www.spssau.com/helps/basics/concept.html

  数据编码： https://www.spssau.com/helps/dataprocessing/coding.html

  生成变量： https://www.spssau.com/helps/dataprocessing/generatevariable.html